[发明专利]一种基于孪生支持向量机的指纹图像分类系统与方法

权利要求书

1.一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，主要包括：

步骤1:指纹图像预处理：

(1.1)指纹图像归一化；

(1.2)指纹图像的分割；

(1.3)指纹图像的二值化；

步骤2：指纹图像的特征提取：

(2.1)求指纹图像梯度场；

(2.2)求指纹图像方向场；

(2.3)将各方向所占百分比构建成一个八维向量作为孪生支持向量机的特征向量；

步骤3：量子粒子群算法对“一对多”多分类孪生支持向量机分类器中的参数进行优化；

步骤4：将最优参数带入“一对多”多分类孪生支持向量机分类器中，确定最终的分类模型并对指纹图像进行分类。

2.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤1.1中，指纹图像尺寸为256×256，灰度级为256，在归一化处理时，M₀和是预先给定的灰度期望值和方差(实验中取M₀＝150，)。

3.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤1.2中将图像中的指纹部分从整个图像中割离出来，去除掉不必要的部分，从而降低计算的复杂度以及增强特征提取的精确度。

4.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤1.3中的二值化处理时选用了局部阈值法中的Bernsen算法。

5.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤2.1中，指纹图像点(x,y)的梯度向量计算公式为

G_x(x,y)＝F(x+1,y)-F(x,y)

G_y(x,y)＝F(x,y+1)-F(x,y)

6.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤2.2中，采用指纹图像梯度法估计指纹的块方向图，并使用八个方向(0,π/8,π/4,3π/8,π/2,5π/8,3π/4,7π/8)来表示指纹图像的方向场，计算各个方向所占百分比并将这些方向百分比组合以获得用于监督训练和孪生支持向量机分类的特征向量。

7.根据权利要求1所述一种基于孪生支持向量机的指纹图像分类系统与方法，其特征在于，在步骤3中，将指纹图像分为四类：左箕型、右箕型、斗型、弓型。在实验中，非线性孪生支持向量机的训练函数共有五个参数：四个惩罚参数c1,c2,c3,c4和一个高斯核函数的参数σ，采用量子粒子群算法在Matlab环境上对孪生支持向量机的参数进行优化，在本次实验中，指纹图像是来自中国科学院自动化研究所提供的指纹图像数据库FX3000子库。因为本实验主要研究的是指纹分类，所以从中挑选了513枚纹理清晰的指纹作为研究对象。其中左箕型125枚,右箕型147枚,斗型143枚,弓型98枚，共计513枚指纹。在QPSO-TWSVM算法中，种群规模M＝30；粒子位置维数(即“一对多”多分类孪生支持向量机分类器中的参数个数)：N＝5；惯性因子inertia＝0.5；自身因子selfw＝2.0；全局因子globalw＝2.0；变异概率mutatep＝0.05；迭代最大次数maxgen＝100。实验中，采用“一对多”的多分类孪生支持向量机的训练函数对70％的指纹数据进行训练，得到最优参数。